1. 朴素贝叶斯算法

输入:
样本数据T,包含m个n维特征的样本。
aij为每个样本特征的第i个特征可取到的第j个值。
测试样本x
输出:
对x的预测分类。

1.1. 计算先验概率

Pk(Y=Ck)=I(y=Ck)m P_k(Y=C_k) = \frac {\sum I(y=C_k)}{m}

1.2. 计算每个特征每个取值的条件概率

PijkP_{ijk}为当y=Cky=C_k时,X第j个特征为aija_{ij}的条件概率

Pijk=I(X(i)=aij,y=Ck)I(y=Ck) P_{ijk} = \frac{\sum I(X^{(i)} = a_{ij}, y=C_k)}{\sum I(y=C_k)}

1.3. 计算假如y=Cky=C_ky=C​k​​时出现X=x的条件概率

对所有CkC_k计算P(X=xY=Ck)P(X=x|Y=C_k)
P(X=xY=Ck)P(X=x|Y=C_k)为当y=Cky=C_k时,x的每一个特征的条件概率的乘积。
P(X=xY=Ck)=P(x(i)=aiy=Ck) P(X=x|Y=C_k) = \prod P(x^{(i)}=a_i|y=C_k)

1.4. 计算当X=x时所有CkC_kC​k​​的后验概率的分子

P(Y=CkX=x)=P(X=xY=Ck)P(Y=Ck)P(X=x) P(Y=C_k|X=x) = \frac{P(X=x|Y=C_k)P(Y=C_k)}{P(X=x)} 以上公式中分子所有需要的内容都在以前已经计算出,代入公式即可
不需要计算分母。因为最终要用到的不是后验概率的具体数值,只是要比较大小。中所有C_k的后验概率公式,分母都是相同的,不影响大小的比较,所以不用计算出来。

1.5. 确定x的分类

当X=x时所有CkC_k的后验概率中分子取得最大概率的那CkC_k即x的分类

2. 代码

def NaiveteBayes(T, y, a, Y, x):
    # 计算先验概率
    prepro = {}
    for yRange in Y:
        #print (yRange, Y[Y==yRange].shape[0], )
        prepro[yRange] = y[y==yRange].shape[0]/y.shape[0]
    print('先验概率:',prepro)
    # 计算条件概率
    conpro = {}
    for i in range(len(a)):  # 遍历每个特征
        for j in a[i]: # 遍历特征的每个取值
            for k in Y:
                conpro[(i,j, k)] = X[(y==k)&(X[:,i]==j),:].shape[0]/X[y==k,:].shape[0]
    print('条件概率:',conpro)
    # 计算后验概率的分子
    postpro = {}
    for yRange in Y:
        pro = 1
        for i in range(x.shape[0]):
            pro = pro * conpro[(i, x[i], yRange)]
        postpro[yRange] = pro * prepro[yRange]
    print ('后验概率', postpro)
    # 确定X的分类
    import operator
    return sorted(postpro.items(),   # iterable -- 可迭代对象,在python2中使用A.iteritems(),在python3中使用A.items()
           key=operator.itemgetter(1),   # key -- 主要是用来进行比较的元素,指定可迭代对象中的一个元素来进行排序,这里指基于item的value进行排序
           reverse=True)[0][0]   # reverse -- 排序规则,reverse = True 降序 , reverse = False 升序(默认)。
# 排序结果是一个list

results matching ""

    No results matching ""